Modelo híbrido PSO-SVM e regressão simbólica para previsão da demanda de água agrícola

Por que o uso de água na agricultura importa para todos

Em regiões secas ao redor do mundo, os mesmos rios e aquíferos precisam abastecer cidades, indústrias e as lavouras que nos alimentam. Quando a agricultura consome demais, as torneiras secam e os ecossistemas sofrem; quando recebe pouco, a produção de alimentos fica em risco. Este estudo analisa de perto a cidade de Bayannur, na Mongólia Interior, um dos principais polos de irrigação da China, para responder a uma questão crucial: como mudará sua demanda por água de irrigação nos próximos anos e quais alavancas — tecnologia, política ou produção — importam mais?

Uma região seca com campos sedentos

Bayannur está localizada na Área de Irrigação de Hetao, no noroeste da China, uma paisagem onde solos férteis e clima ensolarado sustentam plantações de trigo, milho, girassol e tomate — mas somente se água suficiente for fornecida pelos canais. De 1990 a 2022, a agricultura consumiu cerca de 97% de toda a água usada na cidade, em média quase 5 bilhões de metros cúbicos por ano. Ainda assim, o endowment hídrico natural da região é limitado, com chuvas escassas e suprimentos apertados de rios e águas subterrâneas. Esse desequilíbrio torna vital entender como práticas agrícolas, meios de subsistência rurais e políticas governamentais moldam, em conjunto, os altos e baixos da demanda por irrigação.

Desatando o que eleva e reduz a demanda por água

Os pesquisadores reuniram 33 anos de estatísticas oficiais descrevendo clima, disponibilidade de água, produção agrícola, demografia rural, maquinário, uso de fertilizantes, tecnologia de irrigação e preços da água. Primeiro, usaram uma abordagem de aprendizado de máquina que combina Otimização por Enxame de Partículas com Máquinas de Vetores de Suporte (PSO-SVM). Em termos simples, esse método permite que um “enxame” de modelos-teste busque a melhor forma de prever o uso de água a partir de muitos fatores possíveis. Ao ajustar suavemente cada fator e observar como mudam as previsões, a equipe pôde rotular algumas influências como “impulsoras”, que aumentam a demanda, e outras como “freios”, que a contêm.

Produção puxa, tecnologia e renda seguram

A análise revelou uma clara disputa. No lado impulsionador, maiores rendimentos de grãos e uma área efetivamente irrigada maior foram as forças mais fortes que elevaram a demanda por água, apoiadas por mais emprego rural, maior uso de fertilizantes e expansão do plantio de grãos. Isso reflete a realidade básica de que fazendas maiores e mais intensivas exigem mais água. Do lado restritivo, o freio mais poderoso foi o aumento da renda rural: à medida que as famílias agrícolas ficaram mais ricas, elas se afastaram das atividades mais consumidoras de água. A adoção mais ampla de irrigação de alta eficiência — como sistemas por gotejamento e aspersão — também reduziu a necessidade de água, assim como preços mais elevados da água de irrigação, limites naturais capturados por um índice de estresse hídrico e maior mecanização. Juntos, esses freios explicam por que o uso agrícola de água em Bayannur tem caído em geral desde o início dos anos 2000, mesmo com o aumento da produção de alimentos.

Transformando uma caixa-preta em uma equação legível

Modelos de aprendizado de máquina frequentemente produzem previsões precisas, mas ocultam seu funcionamento interno, o que os torna difíceis de usar em debates de políticas. Para evitar esse problema da “caixa-preta”, a equipe alimentou apenas os fatores mais influentes em uma segunda ferramenta chamada regressão simbólica. Esse método busca uma equação legível por humanos que ligue algumas variáveis-chave — aqui, renda rural, rendimento de grãos, área irrigada e taxa de irrigação eficiente — à demanda por água. A equação final reproduz quase 88% da variação ano a ano no uso de água de Bayannur e quantifica como essas quatro alavancas interagem de maneiras não lineares. Por exemplo, renda mais alta tende a acompanhar tanto campos mais produtivos quanto práticas que economizam água, de modo que seu efeito líquido é restringir a demanda por água mesmo ao favorecer melhores colheitas.

Perscrutando até 2035

Munidos dessa equação transparente, os autores projetaram a demanda agrícola de água de Bayannur de 2023 a 2035. Eles constataram que o uso anual provavelmente permanecerá acima de 5 bilhões de metros cúbicos, atingindo um pico por volta de 2028 e depois se estabilizando. Em outras palavras, a cidade continuará sendo uma grande consumidora de água, mas as oscilações rápidas do passado devem se acalmar à medida que tecnologias de economia de água se disseminam e políticas como tarifação da água, comércio de direitos de água e cotas rígidas entrem em pleno efeito. A faixa de incerteza do modelo — apenas alguns percentuais acima ou abaixo de cada estimativa — sugere que as previsões são robustas o suficiente para orientar o planejamento.

O que isso significa para a segurança alimentar e hídrica

Para não especialistas, a mensagem-chave é que combinações inteligentes de política e tecnologia podem afrouxar o vínculo entre o aumento da produção de alimentos e o uso cada vez maior de água. Em Bayannur, sistemas de irrigação eficientes, melhores rendas agrícolas e regras de gestão firmes estão gradualmente sobrepondo o padrão antigo em que a expansão das áreas automaticamente significava maiores captações de rios e aquíferos. A estrutura de modelagem híbrida do estudo mostra não apenas quanto água a agricultura futura pode usar, mas também quais mudanças sociais e técnicas importam mais. Esse tipo de insight pode ajudar outras regiões agrícolas secas a traçar um caminho realista para alimentar as pessoas permanecendo dentro de seus limites hídricos.

Citação: Lv, H., Zhao, Y., Wang, W. et al. Hybrid PSO-SVM and symbolic regression model for agricultural water demand prediction. Sci Rep 16, 5121 (2026). https://doi.org/10.1038/s41598-026-34995-8

Palavras-chave: demanda de água agrícola, eficiência de irrigação, modelos de aprendizado de máquina, política de recursos hídricos, terras áridas da China